用 AI 这件事，90% 的人卡在第一步，深度长文，耐心看完

用 AI 这件事90% 的人卡在第一步深度长文耐心看完我们平时用 AI有时是脑子里冒出个问题打开对话框一丢就等 AI 回复。问题往往比较短、也比较模糊“帮我写个方案”“这事该怎么分析”“帮我出个主意”。AI 也会回答答案乍一看还挺像回事可仔细看看就能发现答案大多是放之四海皆准、轮到自己却用不上的那种。说得不客气点是一堆正确的废话每句单看都没错合到一起对你手上这件事一点用也没有。AI 特别容易产这种东西问题问得越笼统这种情况越明显。用得多了不少人就觉得AI 也就那么回事中看不中用。可是这种情况的问题原因多半不在 AI。同一个模型有人用出来平平无奇有人能让它干出挺漂亮的活。差的不是工具是我们在把问题递给它之前自己做了多少功课。一团问题缠在一起AI 也只能跟着一起模糊道理不复杂。你给它一个模糊的问题它只能还你一个模糊的答案。它不知道你到底要啥、哪儿重要哪儿不重要只能猜猜不准就给你个谁都挑不出错、也谁都用不上的稳妥答案。这时候很多人的第一反应是那我问得再仔细点、再清楚点不就行了其实也不完全对。一个问题让你觉得“模糊”常常不是因为话说少了而是因为这一个问题里藏着好几件不一样的事。比方说“帮我减个肥”这样问一个笼统的问题你把它问得再细些帮我减个肥要快、别太饿、别花太多钱——它还是一个笼统的问题你只是往上面加了几条要求。可“减肥”这两个字里裹着好几件不一样的事是吃得太多是动得太少还是作息乱、代谢差这些才是根本把这些搞清楚才能知道怎么减肥才能减的快又不太饿也不怎么花钱。你不把问题的根本拆解开AI 收到的还是“减肥”这一团只能给你一份网上随处可见、谁都适用的通用建议。所以让问题变清楚的不是问得更使劲是把这一团缠在一起的根本原因解开看清里头到底有几件事、哪件才是真正要解的。那到底怎么拆解问题呢拆也不是抄起来就拆。怎么拆解问题是有讲究的。下面这几步就是把“拆”这件事从头走一遍。先看张图再细说。第一步先找到那个真正该解决的问题。我们以为的问题常常只是表面。打个比方晚上总失眠顺着想就是琢磨“怎么睡着”吃褪黑素、换个好枕头、想办法让自己静下来。可这些都是在跟“睡不着”这个结果较劲就算今晚靠褪黑素睡着了明晚照样睡不着因为让你睡不着的那个东西没动过。真该问的不是“怎么睡着”而是“我到底为什么睡不着”。比方说顺着往下刨发现是白天压力太大、脑子整天停不下来那根就在压力上。压力这块松了觉自然睡得着前面那些褪黑素、枕头可能压根用不上。当然根也可能在别处刨出来是什么就是什么重点是你得去刨而不是上来就治那个“睡不着”。所以第一件事不是急着解决眼前的问题而是先往下问一句是什么导致了它少问几句“怎么办”多问几句“为什么”一层层往下刨刨到那个一解决、上面这些麻烦就跟着消的东西那才是你真正要动手的地方。往下刨刨到你自己能动手去改的那层就停。还拿失眠说刨到“白天压力大”这个你能想办法去调那就够了再往下问“为什么压力这么大、是不是这行就这样”像这种是大环境导致的问题我们改变不了的就不要多花时间想了。刨到了你得能用一句话说清两件事我到底要解决啥做成什么样算成了。这两句要是写不出来就先别急着问 AI要是写出来一看是随手一搜就有的大路货那说明你还停在表面。第二步跟它把背景对齐。AI 给的那种正确的废话很多时候不怪它是它压根不了解你这摊事有哪些限制、之前试过什么、现在卡在哪。这些它没法自己知道得你说。但这不是你一个人把材料倒给它就完了。你说的未必全你觉得不值一提、随手略过的没准恰恰是关键。所以这一步更像聊天你讲一遍它就不清楚的地方问回来你再补来回几趟直到它对你这件事的理解跟你心里的大致对上。背景对齐了它后面才接得住你真正要问的。这也是这几步里得我们自己起头的一步。你的实际处境它没法凭空知道总得你先开口。我在问问题时一般都会把公司是做什么的、团队的职责是什么、现在主要的方向是什么、做过哪些尝试、哪些有效果、哪些失败了、目前想做什么等告诉 AI这样往往能够拿到一个我更需要的答案。第三步把问题拆开看清每块该怎么办。前面说了要拆可到底按什么拆说白了就三样按流程它先干啥后干啥按步骤分成哪几步按结构由哪几块搭成。把一件事还原成这么一条流程、一串步骤、几个结构就是对问题的拆解。对问题的拆解其实就是给 AI 铺的道。你把流程理清楚交给它它就顺着这条流程一步步做或者照着这个结构一块块去分析。拆的时候每一块会分出两种。一种是想清楚的。这块该怎么走、做到什么份上算好你都说得明白。这种整理成清楚的要求交给 AI 做。另一种是一时没想清楚的。你知道要它可它具体怎么做、好坏怎么算自己也说不上来心里只有个模糊的感觉。这种是麻烦所在得专门说说。没想清楚的先别急着扔给 AI。你把一个自己都没想清的事直接丢给它它不会停下来问你而是自己随手定一套做法填上按它猜的你那个意思做了。这套是它替你猜的对不对你未必看得出来。而且你这回问、下回再问它每次猜的可能都不一样拿到的东西前后对不上。所以没搞清楚的得先自己往清楚里再想一想。怎么想把模糊的感觉落到具体的环节上。拿做饭说。饭做好了大家吃完说味道不太够。可“味道不太够”这话太虚到底哪儿不够你光盯着这句想很难想出结果来。怎么办这时候我们就得回溯了这味道是怎么来的是做饭的时候一步步做出来的。那就把做饭这件事从头捋一遍——买菜、洗、切、下锅、放调料、控火候。捋到“放调料”你会觉得味道八成跟这步有关。再把“放调料”单拎出来看它里头又是盐、味精、酱油、糖凑出来的。到这儿就具体了是盐少了还是少了点提鲜的。你看“味道不太够”这么个虚的感觉顺着“哪个环节、环节里又有啥”一层层往下找就找到了能动手的地方。想不清楚多半就是没做这一步——感觉一直飘在上面没落到具体的环节和步骤上所以自己理不清跟别人也讲不明白。这套办法不只做饭能用。工作里那个说不清的问题也是这么处理把整个过程铺开拿这个问题对着每一步看找出最相关的那步再往这步里头看它由什么构成。这活也可以让 AI 搭把手。你脑子里过程铺不全可以让它帮你把流程列出来帮你想这问题可能跟哪几步有关。和 AI 一起把过程拆解出来。那为什么有人一下就想清楚了有人得捋半天做饭做得多的人一说味道不够不用挨个捋咂摸一下就知道是哪样没到位生手就得把上面那套老实走一遍。同一件事有人一步到位有人绕一大圈差的就是这口内功。至于内功是什么、怎么来的后面专门说这儿先记着。捋完之后对照着看每块归哪一类。一路捋下来手上的活会落到下面几类里第一类过程清楚结果也清楚。每步怎么做、做成什么样算好都明白。这种交给 AI拿到的质量往往也最高。第二类过程和结果都大致有了就是某些步骤还不够细。这种 AI 一般也能做得很不错有些细节可能需要再完善下。第三类只大概知道想要什么结果中间过程还没理清。这种也别放弃先让 AI 试一把看能不能撞出你要的东西。要是真做出来了再回头让它把“刚才是怎么一步步做的”讲给你听把这套步骤记下来——下次这类工作就照这套现成的步骤让它做。这么一来第三类就变成第一类了。第四类过程没想清结果也没想清。这种先别动手容易做错。找个地方把它登记下来存着等哪天积累够了、或者撞上个能说明白它的由头再回头开工。这些暂时想不清的攒在一起其实是好事正是你接下来该往深里想的地方。还得多一句能写清楚的一定写到清楚为止。含糊一分AI 就替你猜一分。第四步货比三家多问几个 AI。背景理顺了、问题也拆细了就让 AI 出方案。有个简单办法能让结果靠谱不少别只问一个 AI。同一个问题拿去问几个不一样的 AI每个都让它完整答一版。跟买东西货比三家一个理儿。几个 AI 各有各的长处和盲点这家想到的那家可能漏了那家答得糙的这家答得细。几版摆一块儿一比谁好谁差、好在哪差在哪一眼就出来了。然后把各版里好的挑出来凑一版更全的。自己凑嫌烦丢给 AI 帮你凑都行。到这儿一版还算完整的答案就有了。这四步说白了前两步把问题弄清楚第三步拆开、看清每块怎么办第四步交给 AI 干、自己凑出一版。你大概也看出来了这里头除了“对齐背景”这件得我们自己起头的事别的几步 AI 都能搭把手。找真问题、拆、归类它都能先替我们出一版帮我们想到没想到的、补上漏掉的。这是好事正好补我们脑力和精力的不足。但搭把手有条线AI 帮我们出东西我们负责看这东西对不对。它找的根对不对、这么拆是不是切歪了最终的判断和决策都要靠我们自己。招式好学内功难练前面这套方法说白了是招式。招式好学照着比划谁都会。可你真用就会发现每一招真正难的都不在招式本身。就说第一步挖真问题招式只能教你“要往下刨”可刨不刨得到、刨得准不准关键还要看我们自己后面拆问题、挑方案也都一样最终的决策、判断甚至是责任的承担AI 帮不了忙。招式只到这儿。再往下做不做得到、做得好不好靠的是另一样东西内功。内功是什么还是拿做饭说。一个做了二十年菜的人心里有一张图味道是油盐酱醋、糖、味精这些凑出来的哪样多了哪样少了是什么口感他门儿清。所以一说味道不够他不用一步步捋咂摸一下就知道是哪样没到位。这张“一件事由什么构成、哪儿一动会怎样”的图就是内功。内功深的人一眼就看到答案了内功不够的人得把前面那套招式老实走一遍一步步铺、一处处对有时候可能还找不到问题的关键。所以同样一套招式两个人使出来天差地别一个挖到了真问题、切在了节骨眼上另一个找错地方、切得一团乱。内功不是另一门学问它就是为这套招式服务的。我们费劲练它不为别的就为了把一个问题看得更透、拆得更准。招式是表内功是里里子厚了招式才使得动。怎么练这身内功内功是自己一遍遍上手、判断、做错、被纠正慢慢练出来的这个笨功夫过去躲不掉。可现在 AI 太能干了能让你把它直接跳过去问题一丢它替你刨、替你拆、替你判断你点头收下就行又快又省事还让人觉得自己挺行。所以 AI 到底是帮我们练内功还是替我们把内功废掉全看我们怎么用。打个比方老用导航的人时间一长自己反而不认路了。不是导航把人变笨是他从此只管跟着走不再自己记路。用 AI 也一样每回都先自己判断、再拿它的来对照是在练只接结论、连想都不想是把那块本事一点点交出去。区别就在那一下判断是自己做的还是直接收的。说几个实在的练法。先自己判断再问 AI。问题交给 AI 之前花几分钟把自己的想法写下来我们觉得问题是啥、我们会怎么干、答案大概长啥样。再去看它怎么说。自己的判断和它差在哪就是我们能长本事的地方。直接看答案啥也学不到。用挑刺的眼光读它给的东西别照单全收。先当它可能有错再去把那个错找出来。能一眼看出毛病的本事正是内功也正是靠这么一遍遍找练出来的。别在它已经擅长的地方跟它较劲把劲使到它还做不好的地方去。它会写、会拆了你就往上走一层这事到底该不该做、真正的问题是啥、几个方案怎么取舍。还有一层是顺手就能练的。前面说拆问题把一件说不清的事一步步捋成说得清的流程——这件事本身就是在练内功。工作里有不少地方一直是凭经验、凭手感糊过去的从没真正理清过。借着给 AI 拆活我们被逼着把这些含糊地带第一次摊开、理顺、定下标准。活干得更利索了内功也跟着长厚了一点。等于借 AI 拆问题顺带把自己也练了。顺带说一句别反过来成了 AI 的 AgentAgent 既是 AI 智能体也是“代理人”。现在 AI 是我们的 Agent替我们跑腿。可要是在自己的专业领域上也只管提问题、拿结果那定方向、做判断的就成了它我们反倒成了替它打下手的——这个时候我们反而成了 AI 的 Agent无疑这是很危险的。最后荀子有句话“君子生非异也善假于物也”。意思是君子也不是天生比别人强只是更会借助外物罢了。工具不强的年头这话的重点在“善假于物”谁会用工具谁占便宜。可如今工具强到能反过来牵着人走重点就得挪回“君子”这俩字上工具越强人跟人的差距反而越来越只剩一件事谁还守得住自己那份判断能驾驭工具而不是被工具牵着走。说到底能不能把一个问题拆透、能不能用好 AI最后拼的都是这身内功。